> For the complete documentation index, see [llms.txt](https://docs.hits.ai/hyper-lab-release-note/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://docs.hits.ai/hyper-lab-release-note/changelog_ko/2026-07-29.md).

# 2026-07-29 업데이트 노트

#### **하이퍼랩 버전 : 2026.07.29** <a href="#id-2026.07.29" id="id-2026.07.29"></a>

***

## :mega: **하이퍼랩 변경 사항** <a href="#undefined" id="undefined"></a>

이번 업데이트에서는 **Bio Co-Scientist 랩스페이스**에 **Cyclic Peptide 디자인 기능**과 **LigandMPNN 모델**이 새롭게 추가되었습니다.

이제 고리형 펩타이드의 백본 생성부터 서열 디자인, 구조 예측까지 하나의 워크플로우에서 수행할 수 있습니다. 또한 저분자, 금속 이온, DNA·RNA 등 단백질에 결합한 분자 환경을 고려하여 더욱 정교하게 단백질 서열을 디자인할 수 있습니다.

### 1. Cyclic Peptide 디자인 기능 신규 추가 <a href="#id-1.-cyclic-peptide" id="id-1.-cyclic-peptide"></a>

<figure><img src="/files/2MJbOmp3ZwYai4KvjPR2" alt=""><figcaption></figcaption></figure>

Cyclic Peptide의 백본 생성부터 서열 및 3차원 구조 예측까지 자동으로 수행할 수 있는 디자인 파이프라인이 추가되었습니다.

* RFdiffusion을 이용해 Cyclic Peptide의 백본 구조를 생성합니다.
* 생성된 백본을 기반으로 ProteinMPNN이 아미노산 서열을 디자인합니다.
* 선형 FASTA만으로 표현하기 어려운 N-말단과 C-말단 사이의 고리 결합 정보를 반영하여, 디자인된 서열을 Cyclic Peptide SMILES로 자동 변환합니다.
* 변환된 SMILES를 K-Fold에 입력하여 최종 3차원 구조를 예측합니다.
* 예측된 `.cif` 파일에 필요한 메타데이터를 적용하여 3D Viewer에서 Cartoon 형태로 구조를 확인할 수 있습니다.

별도의 SMILES 입력 지시 없이도 Cyclic Peptide의 연결 정보를 반영한 구조 예측까지 연속적으로 진행할 수 있습니다.

### 2. LigandMPNN 모델 신규 추가 <a href="#id-2.-ligandmpnn" id="id-2.-ligandmpnn"></a>

<figure><img src="/files/jDQr3q85jjfUwF7Jlnwk" alt=""><figcaption></figcaption></figure>

단백질에 결합한 다른 분자의 구조적 환경을 함께 고려하여 단백질 서열을 디자인하는 LigandMPNN 모델이 추가되었습니다.

LigandMPNN은 다음과 같은 결합 파트너 주변의 환경까지 함께 고려합니다.

* 약물과 같은 저분자 리간드
* 금속 이온
* DNA
* RNA

이를 통해 리간드 결합 포켓, 효소 활성 부위, 금속 결합 부위, 단백질–핵산 인터페이스 등에서 결합 파트너와의 상호작용을 고려한 단백질 서열을 디자인할 수 있습니다.

특히 저분자–단백질, DNA–단백질, RNA–단백질 복합체를 대상으로 한 서열 디자인의 정밀도와 활용 범위가 향상되었습니다.

***

## ⚒️ Bug fix <a href="#bug-fix" id="bug-fix"></a>

버그 픽스 및 서비스 안정성이 개선되었습니다.